文章目錄
- ??Model-Free RL vs Model-Based RL
- ??核心定義
- ??核心區別
- ??Policy-Based RL vs Value-Based RL
- ??核心定義
- ?? 核心區別
- ??Monte-Carlo update vs Temporal-Difference update
- ??核心定義
- ??核心區別
- ??On-Policy vs Off-Policy
- ??核心定義
- ??核心區別
參考學習視頻：強化學習方法匯總 (Reinforcement Learning)
- 包含AI生成內容，感謝D老師??
??Model-Free RL vs Model-Based RL
??核心定義
- Model-Free RL
- 不依賴環境模型，直接通過試錯學習策略（Policy）或價值函數（Value Function）。智能體無需知曉狀態轉移概率或獎勵函數，僅通過與環境交互的經驗（如狀態、動作、獎勵序列）進行學習。
- 典型算法：Q-Lear
![【01BFS】# P4667 [BalticOI 2011] Switch the Lamp On 電路維修 (Day1)|普及+](http://pic.xiahunao.cn/【01BFS】# P4667 [BalticOI 2011] Switch the Lamp On 電路維修 (Day1)|普及+)
)
，SAM上計數))
